劉田 張文德

〔摘 要〕針對(duì)數(shù)字圖書館中著作權(quán)的特殊性，應(yīng)用修正收益法、收益分成法、市場(chǎng)法3種評(píng)估方法及加入反饋環(huán)節(jié)，對(duì)數(shù)字圖書館中的著作權(quán)評(píng)估結(jié)果進(jìn)行線性組合預(yù)測(cè)（按關(guān)聯(lián)度大小確定權(quán)系數(shù)法）和非線性組合預(yù)測(cè)（加權(quán)算數(shù)平均值組合預(yù)測(cè)和加權(quán)調(diào)和平均組合預(yù)測(cè)兩種模型），使評(píng)估結(jié)果更貼近實(shí)際，為數(shù)字圖書館下的著作權(quán)評(píng)估提供一種新構(gòu)思。

〔關(guān)鍵詞〕數(shù)字圖書館；著作權(quán)；評(píng)估模型；反饋環(huán)節(jié)；組合預(yù)測(cè)

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１２．０２．００４

〔中圖分類號(hào)〕Ｇ２５０.７６ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１（２０１２）０２－００１５－０５

Study on Copyright Valuation Model in Digital LibraryLiu Tian１ Zhang Wende２，３

（１．Library，F(xiàn)ujian Agriculture and Forestry University，F(xiàn)uzhou 350002，China；

２．Information Construction Office，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China；

３．Institute of Information Management，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China）

〔Ａｂｓｔｒａｃｔ〕According to the speciality of copyright valuation in digital library,a linear combination forecasting model(coefficients according to correlation degree)and a nonlinear combination forecasting model(weighted mathematic means and weighted harmonic means)were established with modified profit method,profit sharing rate method,market method and feedback,which make valuation more reasonable.This paper put forwards a new method for copyright valuation in digital library.

〔Ｋｅｙ ｗｏｒｄｓ〕digital library;copyright;valuation model;feedback;combination forecasting

數(shù)字圖書館的出現(xiàn)給著作人的著作權(quán)保護(hù)帶來了許多新問題。在數(shù)字圖書館時(shí)代，關(guān)鍵要對(duì)數(shù)字圖書館中的著作權(quán)進(jìn)行合理科學(xué)的評(píng)估，從而保持社會(huì)公眾利益和著作權(quán)人利益的合理平衡。而知識(shí)產(chǎn)權(quán)評(píng)估的特殊性，決定了必須建立一個(gè)各種方法相互補(bǔ)充的評(píng)估方法體系［１］。

本文以傳統(tǒng)知識(shí)產(chǎn)權(quán)的評(píng)估理論為依據(jù)，針對(duì)數(shù)字圖書館中的著作權(quán)的特點(diǎn)，選擇修正收益法、收益分成法和市場(chǎng)法3種評(píng)估方法，并加入反饋環(huán)節(jié)，通過組合預(yù)測(cè)方法構(gòu)建線性和非線性組合預(yù)測(cè)模型。使評(píng)估結(jié)果值更貼近實(shí)際，為數(shù)字圖書館下的著作權(quán)評(píng)估提供了一種新思路。

１ 評(píng)估方法

１.１ 修正收益法

曾麗霞等［２］采用DELPHI法、AHP方法、模糊評(píng)價(jià)法對(duì)收益現(xiàn)值法的結(jié)果進(jìn)行修正，構(gòu)建一個(gè)包括社會(huì)效益、經(jīng)濟(jì)效益、數(shù)字化效益三大方面、3個(gè)層次、45個(gè)指標(biāo)的評(píng)估指標(biāo)體系及模型，以合理評(píng)估數(shù)字圖書館環(huán)境下的著作權(quán)的真實(shí)價(jià)值。評(píng)估步驟如圖１：

評(píng)估初值Ｅ０（收益法）評(píng)估因素體系及權(quán)重（ＡＨＰ方法）糾偏系數(shù)Ｃ（雙權(quán)數(shù)模糊評(píng)價(jià)法）公允評(píng)估值Ｅ（Ｅ０×Ｃ）圖１ 修正收益法評(píng)估步驟

１.２ 收益分成法

康云萍等［３］選用基于收益法基礎(chǔ)上產(chǎn)生的收益提成率法來評(píng)估數(shù)字圖書館著作權(quán)的價(jià)值。結(jié)合AHP方法確定帶來超額收益的相關(guān)因素，通過構(gòu)建一個(gè)指標(biāo)體系系統(tǒng)來確定無形資產(chǎn)收益權(quán)重，全面、綜合地衡量數(shù)字圖書館著作權(quán)的價(jià)值。評(píng)估步驟如圖２：

評(píng)估初值Ｅ０（收益法）評(píng)估因素體系及權(quán)重（ＡＨＰ方法）確定收益提成率β（ＤＥＬＰＨＩ法）公允評(píng)估值Ｅ（Ｅ０×Ｃ）圖２ 收益分成法評(píng)估步驟

２０１２年２月第３２卷第２期數(shù)字圖書館中的著作權(quán)評(píng)估模型探討Ｆｅｂ.，２０１２Ｖｏｌ.３２ Ｎｏ.２１.３ 市場(chǎng)法

市場(chǎng)法［４］是根據(jù)替代原則，采用比較或類比的思路及其方法判斷資產(chǎn)價(jià)值的評(píng)估技術(shù)規(guī)程。運(yùn)用市場(chǎng)法要求充分利用類似資產(chǎn)成交市場(chǎng)價(jià)格信息，并以此為基礎(chǔ)判斷和估測(cè)被評(píng)估資產(chǎn)的價(jià)值。運(yùn)用市場(chǎng)法，首先要選擇適當(dāng)?shù)膮⒄瘴?。參照物與待評(píng)估資產(chǎn)之間應(yīng)當(dāng)具有可比性，包括功能、市場(chǎng)條件及成交時(shí)間等方面；然后對(duì)于參照物和待評(píng)估資產(chǎn)之間的差異進(jìn)行分析和量化；最后在參照物成交價(jià)格的基礎(chǔ)上調(diào)整已經(jīng)量化的差異指標(biāo)。市場(chǎng)法的基本計(jì)算公式為：

被評(píng)估著作權(quán)價(jià)值＝同類交易實(shí)例價(jià)格×調(diào)整系數(shù)

由于數(shù)字圖書館是一個(gè)新興事物，因此有關(guān)數(shù)字圖書館的交易實(shí)例非常少見，這就給現(xiàn)行市場(chǎng)法應(yīng)用帶來了障礙。如果依賴傳統(tǒng)媒體的交易價(jià)格作參考的話，就忽視了數(shù)字圖書館作為數(shù)字媒體、網(wǎng)絡(luò)媒體的新特點(diǎn)，評(píng)估結(jié)果就顯偏頗。而且現(xiàn)行市價(jià)法的調(diào)整系數(shù)的確定帶有非常明顯的主觀色彩，對(duì)評(píng)估人員的經(jīng)驗(yàn)依靠程度非常大。

本文嘗試從兩個(gè)途徑運(yùn)用市場(chǎng)法對(duì)數(shù)字圖書館中的著作權(quán)進(jìn)行評(píng)估，一是由數(shù)字圖書館提供之前作品著作權(quán)交易記錄，建立數(shù)據(jù)庫。通過將帶估圖書／文獻(xiàn)與數(shù)據(jù)庫中已有記錄進(jìn)行比較，在匹配度超過80%的情況下，根據(jù)匹配程度確定調(diào)整系數(shù)，從而得出被評(píng)估作品的著作權(quán)價(jià)值。

當(dāng)本地?cái)?shù)字圖書館的數(shù)據(jù)庫中沒有符合條件的條目時(shí)，再轉(zhuǎn)而連接網(wǎng)絡(luò)方式。用戶可根據(jù)自身情況選擇網(wǎng)絡(luò)途徑，主要包括以下4種情況：（1）其它數(shù)字圖書館的數(shù)據(jù)庫。（2）專業(yè)評(píng)估機(jī)構(gòu)相關(guān)歷史數(shù)據(jù)。需要成為對(duì)方的使用用戶，而且需要耗費(fèi)比較多的時(shí)間，并付費(fèi)，相應(yīng)的結(jié)果也更準(zhǔn)確。在此列舉幾家專業(yè)評(píng)估機(jī)構(gòu)［５］，如下：①北京北方亞事資產(chǎn)評(píng)估有限責(zé)任公司，②北京無形資產(chǎn)評(píng)估有限責(zé)任公司，③北京中金浩評(píng)估有限責(zé)任公司，④北京無形資產(chǎn)評(píng)估有限責(zé)任公司，⑤深圳市世鵬評(píng)估有限公司，⑥天誠評(píng)估咨詢公司，⑦北京無形資產(chǎn)評(píng)估公司等。（3）非盈利型評(píng)估所相關(guān)歷史數(shù)據(jù)。需要與對(duì)方有合作關(guān)系，需要耗時(shí)。在此列舉幾家專業(yè)評(píng)估機(jī)構(gòu)，如下：①國家科技評(píng)估中心，②科技部科技評(píng)估中心，③長春市科技評(píng)估中心，④浙江聯(lián)政科技評(píng)估中心，⑤廣東省科技評(píng)估中心，⑥河北省科學(xué)技術(shù)情報(bào)研究院科技評(píng)估中心，⑦科學(xué)技術(shù)部科技評(píng)估中心，⑧江西省科技評(píng)估中心，⑨黑龍江省科技評(píng)估中心等。（4）法律途徑維權(quán)問題賠償。例如①2002年北京大學(xué)法學(xué)專家陳興良訴中國數(shù)字圖書館有限責(zé)任公司著作權(quán)侵權(quán)案。②2004年中國社會(huì)科學(xué)院知識(shí)產(chǎn)權(quán)中心鄭成思等七位我國知識(shí)產(chǎn)權(quán)保護(hù)的知名專家狀告北京書生數(shù)字技術(shù)有限公司侵犯其著作權(quán)。③2007－2008年期間，上千名博士、碩士狀告北京萬方數(shù)據(jù)股份有限公司未經(jīng)許可擅自將自己的論文收錄入數(shù)據(jù)庫并出售給一些單位和個(gè)人。對(duì)于授權(quán)不完整的案件，萬方被判構(gòu)成侵權(quán)而承擔(dān)相應(yīng)的侵權(quán)責(zé)任。賠償標(biāo)準(zhǔn)博士論文3 100～3 300元，碩士論文2 500元。④2008年“中國知網(wǎng)”(CNKI)被近百名碩博士告上法庭，訴稱侵犯其著作權(quán)。案件中有21起獲得了法院判決支持，獲賠金額在2 000～3 500元不等。顯然，經(jīng)由法律判決所得賠償金額，與著作權(quán)本身價(jià)值相比明顯偏低。如果應(yīng)用于市場(chǎng)法，需要注意調(diào)整參數(shù)的修正。

２ 反饋環(huán)節(jié)

在評(píng)估過程中加入反饋環(huán)節(jié)，既可以用短期的反饋來修正評(píng)估值，使評(píng)估值更趨近實(shí)際；又可以用反饋來檢驗(yàn)評(píng)估的準(zhǔn)確性，進(jìn)一步改進(jìn)參數(shù)，使得之后的評(píng)估更準(zhǔn)確。

對(duì)于選取的指標(biāo)數(shù)據(jù)，由用戶將其直接量化成“放大”或“縮小”。指標(biāo)主要包括：

２.１ 點(diǎn)擊率

點(diǎn)擊率是一個(gè)比率，直接數(shù)字量為點(diǎn)擊量，即閱讀量。點(diǎn)擊率是對(duì)網(wǎng)絡(luò)和數(shù)字資源利用率的真實(shí)反映，在一定程度上能夠真實(shí)反映出作品的學(xué)術(shù)水平與社會(huì)影響力，也是目前比較公認(rèn)的網(wǎng)絡(luò)信息質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。點(diǎn)擊率可以反映作品的影響力，社會(huì)價(jià)值和學(xué)術(shù)價(jià)值，有助于用戶花費(fèi)最少的代價(jià)獲取資源。

２.２ 瀏覽量

作品所在網(wǎng)頁被瀏覽的情況。瀏覽量＞閱讀量。它體現(xiàn)的是作品和相關(guān)文獻(xiàn)被關(guān)注的情況。

２.３ 下載量

作品被網(wǎng)絡(luò)讀者下載的次數(shù)。下載量＜閱讀量＜瀏覽量，它體現(xiàn)的是作品滿足用戶需求的程度。

２.４ 被引用情況

作品被刊物上的文獻(xiàn)的引用情況，包括國內(nèi)外核心刊，EI/SCI/CA/CSCD/CSSCI來源期刊等。并根據(jù)期刊影響力量化此處被引用數(shù)。

２.５ 關(guān)鍵詞及相關(guān)詞在數(shù)字圖書館中的搜索情況

搜索情況反映了作品研究內(nèi)容的被關(guān)注度。但此處需要說明的是，在學(xué)術(shù)界，搜索量不等同于優(yōu)質(zhì)度。一方面，新的領(lǐng)域新的理論，文獻(xiàn)較少，也許搜索也少，但反而說明其新穎程度。另一方面，一些偏僻冷門的學(xué)科也面臨被搜索少的問題。所以在搜索情況的比較上，要特別具體問題具體分析，再給出是“加分”還是“減分”。

２.６ 作品在搜索引擎中的搜索情況

不只是數(shù)字圖書館，在門戶搜索網(wǎng)站上，作品被關(guān)注的情況。如果無法和網(wǎng)站協(xié)商，得到有效數(shù)據(jù)，也可以借鑒搜索的條數(shù)和搜索用時(shí)等。在收集數(shù)據(jù)時(shí)要特別注重微博或博客、分享網(wǎng)站、空間、論壇、貼吧、Wiki等新興發(fā)布交流平臺(tái)的收錄情況。

２.７ 作者是否繼續(xù)進(jìn)行相關(guān)主題研究

如果作者有就相關(guān)主題繼續(xù)出版書籍、發(fā)表文獻(xiàn)、參加會(huì)議等，可加強(qiáng)此主題的完整性和連貫性，屬“加分”項(xiàng)。

采樣作品出版／發(fā)表后3個(gè)月、6個(gè)月、1年的相關(guān)指標(biāo)數(shù)據(jù)，由用戶輸入，根據(jù)關(guān)聯(lián)度計(jì)算調(diào)整系數(shù)，從而得出相應(yīng)的反饋數(shù)據(jù)的著作權(quán)評(píng)估值。

３ 組合預(yù)測(cè)

基于以上3種評(píng)估方法和反饋環(huán)節(jié)，考慮到每種評(píng)估方法都有一定的局限性，而又不能互相替代，故引入組合預(yù)測(cè)，通過線性或非線性組合預(yù)測(cè)的方法對(duì)幾個(gè)評(píng)估結(jié)果進(jìn)行組合，使各方面因素考慮的更充分全面，以期得到最佳結(jié)果。

組合預(yù)測(cè)［６］，就是將不同的預(yù)測(cè)方法進(jìn)行適當(dāng)?shù)慕M合，綜合利用各種方法所提供的信息，從而盡可能地提高預(yù)測(cè)精度。組合預(yù)測(cè)方法比單一預(yù)測(cè)方法更為科學(xué)，因?yàn)閷?duì)同一預(yù)測(cè)問題，不同的預(yù)測(cè)方法提供不同的有用信息，如果簡(jiǎn)單地將預(yù)測(cè)誤差較大的一些方法舍棄掉，將會(huì)丟失一些有用的信息，這對(duì)信息是一種浪費(fèi)，應(yīng)予以避免。根據(jù)組合預(yù)測(cè)模型的組合形式不同［７］，組合預(yù)測(cè)一般可分為線性組合預(yù)測(cè)和非線性組合預(yù)測(cè)。

３.１ 線性組合預(yù)測(cè)

設(shè)預(yù)測(cè)對(duì)象存在m個(gè)單項(xiàng)預(yù)測(cè)方法，利用這m個(gè)單項(xiàng)預(yù)測(cè)方法得到的第i個(gè)單項(xiàng)預(yù)測(cè)方法的預(yù)測(cè)值為f璱，i=1，2，…，m。

若組合預(yù)測(cè)值f滿足：f=l1f1+l2f2+…+l璵f璵，則稱該組合預(yù)測(cè)為線性組合預(yù)測(cè)。其中l(wèi)1，l2，…，l璵為各種預(yù)測(cè)方法的加權(quán)系數(shù)。

在判斷加權(quán)系數(shù)時(shí)，線性組合預(yù)測(cè)可分為(1)等權(quán)平均組合預(yù)測(cè)，即各組合預(yù)測(cè)加權(quán)系數(shù)相等，這種方法不需要了解單一的預(yù)測(cè)值的預(yù)測(cè)精度，也不需要進(jìn)一步知道單一的預(yù)測(cè)誤差之間的相互關(guān)系。使用起來簡(jiǎn)單方便。(2)不等權(quán)組合預(yù)測(cè)。又包括按誤差絕對(duì)值和確定權(quán)系數(shù)法；按方差大小確定權(quán)系數(shù)法；按誤差倒數(shù)確定權(quán)系數(shù)法；按關(guān)聯(lián)度確定權(quán)系數(shù)法等。其中①按誤差絕對(duì)值和確定權(quán)系數(shù)法，利用加權(quán)平均的方法，對(duì)較精確的預(yù)測(cè)值賦予較大的權(quán)重，簡(jiǎn)單方便，數(shù)學(xué)意義明顯。②按方差大小確定權(quán)系數(shù)法，按方差大小確定權(quán)系數(shù)。對(duì)方差較小的模型預(yù)測(cè)值賦予較大的權(quán)重，簡(jiǎn)單方便，數(shù)學(xué)意義明顯。③按關(guān)聯(lián)度大小確定權(quán)系數(shù)法，灰色系統(tǒng)理論提出的一種分析系統(tǒng)中各因素關(guān)聯(lián)程度的量化方法，與實(shí)際值關(guān)聯(lián)度越大的模型加權(quán)值越大［８］。

本文選擇按關(guān)聯(lián)度大小確定權(quán)系數(shù)法，組合預(yù)測(cè)時(shí)，對(duì)于3種評(píng)估方法，先求取或采訪各單項(xiàng)評(píng)估方法在預(yù)測(cè)段數(shù)據(jù)與實(shí)際值的關(guān)聯(lián)度，再確定其加權(quán)值，從而使評(píng)估值更接近實(shí)際值。

３.２ 非線性組合預(yù)測(cè)

若組合預(yù)測(cè)值f滿足：f=g(f1，f2，…，f璵)，其中g(shù)為非線性函數(shù)，則稱該組合預(yù)測(cè)為非線性組合預(yù)測(cè)。常見的非線性組合預(yù)測(cè)形式有：加權(quán)幾何平均組合預(yù)測(cè)模型和加權(quán)調(diào)和平均組合預(yù)測(cè)模型。

３.２.１ 加權(quán)幾何平均組合預(yù)測(cè)模型

加權(quán)幾何平均組合預(yù)測(cè)也是常用的組合預(yù)測(cè)方法之一。它有時(shí)比加權(quán)算術(shù)平均組合預(yù)測(cè)方法有更好的組合預(yù)測(cè)效果。下面給出其模型，并討論組合預(yù)測(cè)權(quán)系數(shù)估計(jì)。

根據(jù)加權(quán)幾何平均數(shù)計(jì)算公式，令：

Иｔ＝∏ｍｉ＝１ｘｌｉｉｔ

其中ｔ為第t時(shí)刻的加權(quán)平均組合預(yù)測(cè)值，ｘｉｔ為第i種單項(xiàng)預(yù)測(cè)模型在第t時(shí)刻的預(yù)測(cè)值，i=1，2，…，m；t=1，2，…，N，ｌｉ為第i種單項(xiàng)預(yù)測(cè)方法的加權(quán)系數(shù)，且總和為l，滿足歸一化條件。

為了計(jì)算加權(quán)集合平均組合預(yù)測(cè)的權(quán)系數(shù)，將上式兩邊取自然對(duì)數(shù)得：

若預(yù)測(cè)誤差不存在，即ｔ＝ｘｔ則有：

Иｌｎｘｔ＝∑ｍｉ＝１ｌｉｌｎｘｉｔ ｔ＝１，２，…，Ｎ

然而由于多種因素的影響，組合預(yù)測(cè)的誤差一般是不可避免的。因此定義如下形式的預(yù)測(cè)誤差：

В濯ｔ＝ｌｎｘｔ－∑ｍｉ＝１ｌｉｌｎｘｉｔ＝∑ｍｉ＝１ｌｉ（ｌｎｘｉ－ｌｎｘｉｔ），?ｔ＝１，２，…，Ｎ

其中e璽稱為加權(quán)幾何平均組合預(yù)測(cè)在第t時(shí)刻的組合預(yù)測(cè)對(duì)數(shù)誤差。

因此以預(yù)測(cè)對(duì)數(shù)誤差平方和為準(zhǔn)則的非負(fù)權(quán)系數(shù)的幾何平均組合預(yù)測(cè)模型為下列最優(yōu)化問題，記為模型（２玻保：

ИｍｉｎＱ＝∑Ｎｔ＝１ｅ２ｔ

∑ｍｉ＝１ｌｉ（ｌｎｘｔ－ｌｎｘｉｔ）＝ｅｔ，?ｔ＝１，２，…，Ｎ

∑ｍｉ＝１ｌｉ＝１，?ｌｉ牛埃?ｉ＝１，２，…，ｍ

記R=(1，1，…，1)琓，R為元素全為1的m維列向量，Ｌ＝（ｌ１，ｌ２，…，ｌｍ）Ｔ，В牛健疲危簦劍保濯ｉｔｅｊｔｍ×ｍВｅｉｔ＝ｌｎｘｔ－ｌｎｘｉｔ，其中E稱為加權(quán)幾何平均組合預(yù)測(cè)的對(duì)數(shù)誤差信息矩陣。則有：

А疲危簦劍保濯２ｔ＝∑Ｎｔ＝１∑ｍｉ＝１∑ｍｊ＝１ｌｉｅｉｔｌｊｅｊｔ＝ＬＴＥＬ于是該模型化為矩陣形式，記為模型（２玻玻：

這也是一個(gè)二次規(guī)劃問題，利用獽uhn-Tucker條件［９］可將其轉(zhuǎn)化為線性規(guī)劃模型來求解，得最優(yōu)組合預(yù)測(cè)權(quán)系數(shù)向量。

３.２.２ 調(diào)和平均組合預(yù)測(cè)模型

調(diào)和平均組合預(yù)測(cè)是一種比較常用的組合預(yù)測(cè)方法，在某些情況下它可以比加權(quán)算術(shù)平均取得更好的組合預(yù)測(cè)效果。因此有必要對(duì)其進(jìn)行研究，以便選擇適當(dāng)?shù)慕M合預(yù)測(cè)模型。

設(shè)某一預(yù)測(cè)問題的某個(gè)指標(biāo)序列為｛x璽，t=1，2，…，N｝，對(duì)此預(yù)測(cè)問題存在m種單項(xiàng)預(yù)測(cè)方法對(duì)其進(jìn)行預(yù)測(cè)，設(shè)x﹊t為第i種單項(xiàng)預(yù)測(cè)模型在第t時(shí)刻的預(yù)測(cè)值，i=1，2，…，m；t=1，2，…，N，根據(jù)加權(quán)調(diào)和平均數(shù)計(jì)算公式，令：

Иｔ＝∑ｍｉ＝１ｌｉ∑ｍｉ＝１ｌｉｘｉｔ＝１∑ｍｉ＝１ｌｉｘｉｔ

其中ｔ為第t時(shí)刻的加權(quán)調(diào)和平均組合預(yù)測(cè)值，ｌｉ為第i種單項(xiàng)預(yù)測(cè)方法的加權(quán)系數(shù)，且ｌｉ滿足歸一化約束條件：

А疲恚椋劍保颯ｉ＝１，?ｌｉ牛埃?ｉ＝１，２，…，ｍ

為了計(jì)算加權(quán)調(diào)和平均組合預(yù)測(cè)的權(quán)系數(shù)可變化為：

А疲恚椋劍保颯ｉｘｉｔ＝１ｔ，?ｔ＝１，２，…，Ｎ

假設(shè)在理想的情況下，ｔ＝ｘｔ，即預(yù)測(cè)誤差的不存在，則有：

А疲恚椋劍保颯ｉｘｉｔ＝１ｘ

然而在預(yù)測(cè)的實(shí)踐中，組合預(yù)測(cè)的誤差一般均是存在的。因此定義如下形式的預(yù)測(cè)誤差ｅｔ：

В濯ｔ＝∑ｍｉ＝１ｌｉｘｉｔ－１ｘｔ

其中e璽稱為加權(quán)調(diào)和平均組合預(yù)測(cè)的在第t時(shí)刻的組合預(yù)測(cè)誤差。

顯然組合預(yù)側(cè)的預(yù)測(cè)誤差平方和越小越好，因此以預(yù)測(cè)誤差平方和為準(zhǔn)則的非負(fù)權(quán)系數(shù)的組合預(yù)測(cè)模型為下列最優(yōu)化問題，記為模型（２玻常：

ИｍｉｎＱ＝∑Ｎｔ＝１ｅ２ｔ

∑ｍｉ＝１ｌｉｘｉｔ－１ｘｔ＝ｅｔ，?ｔ＝１，２，…，Ｎ

∑ｍｉ＝１ｌｉ＝１，?ｌｉ牛埃?ｉ＝１，２，…，ｍ

記Ｒ＝（１，１，…，１）Ｔ，R為元素全為1的m維列向量，Ｌ＝（ｌ１，ｌ２，…，ｌｍ）Ｔ，Ｅ＝（ｅ１，ｅ２，…，ｅＮ）Ｔ，Ｘ＝（１／ｘ１，１／ｘ２，…，１／ｘＮ）Ｔ，Ｈ＝１／ｘ１１１／ｘ１２…１／ｘ１Ｎ

則有：А疲危簦劍保濯２ｔ＝ＥＴＥ＝（ＨＬ－Ｘ）Ｔ（ＨＬ－Ｘ）。

于是模型（２玻常┗為矩陣形式，記為模型（２玻矗：

ｍｉｎＱ＝（ＨＬ－Ｘ）Ｔ（ＨＬ－Ｘ）

顯然，這是一個(gè)二次規(guī)劃問題。根據(jù)二次規(guī)劃理論可知，該二次規(guī)劃問題的最優(yōu)解一定存在。利用獽uhn-Tucker條件可將其轉(zhuǎn)化為線性規(guī)劃模型來求解，從而可獲得最優(yōu)組合預(yù)測(cè)權(quán)系數(shù)向量。

可見，兩種非線性組合預(yù)測(cè)都是基于不同時(shí)刻的預(yù)測(cè)值進(jìn)行組合的，因此適用于加入反饋環(huán)節(jié)的評(píng)估過程。

３.３ 兩種預(yù)測(cè)模型的比較

線性組合預(yù)測(cè)是不同評(píng)估方法之間的一種組合，而非線性組合預(yù)測(cè)由于加入反饋環(huán)節(jié)，其總體預(yù)測(cè)效果會(huì)優(yōu)于線性組合預(yù)測(cè)方法。對(duì)于非線性組合預(yù)測(cè)，除了引入反饋環(huán)節(jié)，可以考慮再對(duì)不同評(píng)估方面的結(jié)果進(jìn)行線性組合，這就結(jié)合了不同方法的優(yōu)點(diǎn)和不同時(shí)刻的數(shù)據(jù)，使評(píng)估結(jié)果更接近實(shí)際值。但反饋環(huán)節(jié)需要時(shí)間采集數(shù)據(jù)信息，因此有一定限制。所以要根據(jù)實(shí)際情況選擇預(yù)測(cè)模型。

４ 應(yīng)用舉例

某科普作品的作者授權(quán)超星數(shù)字圖書館使用其著作，超星數(shù)字圖書館對(duì)該著作數(shù)字化后，通過提供在線閱讀和下載的方式將該著作提供給讀者，并對(duì)讀者收取了相關(guān)費(fèi)用。根據(jù)該著作在超星數(shù)字圖書館的瀏覽量和下載量來統(tǒng)計(jì)，預(yù)計(jì)在未來5年，該著作每年可為超星數(shù)字圖書館創(chuàng)造經(jīng)濟(jì)效益10萬元，超星數(shù)字圖書館按收益的20％支付報(bào)酬給著作權(quán)持有人。評(píng)估時(shí)確定的折現(xiàn)率是11%。求該著作權(quán)的評(píng)估值。

４.１ 修正收益法

輸入：10萬元－11%－5年－20％，在不更改系數(shù)的情況下得到

E1=7.3918×1.062733≈7.86(萬元)

４.２ 收益成本法

輸入：10萬元－11%－5年，在不更改系數(shù)的情況下得到

E2=39.76萬×6.051%=2.41(萬元)

４.３ 市場(chǎng)法

連接數(shù)據(jù)庫。根據(jù)參數(shù)的比較，找到一篇匹配度＞85%的文獻(xiàn)，基于二者分類號(hào)的大類相同，數(shù)據(jù)庫中的作品字?jǐn)?shù)略少于待估文獻(xiàn)字?jǐn)?shù)，出版時(shí)間比待估文獻(xiàn)早半年，且其他數(shù)據(jù)的相似度亦較高。待估文獻(xiàn)選題較新，原文獻(xiàn)的評(píng)估值為6.5萬，根據(jù)專家意見得到調(diào)整系數(shù)為0.87。

E3=6.5萬×0.87=5.66(萬元)

４.４ 線性組合預(yù)測(cè)

根據(jù)用戶輸入，根據(jù)關(guān)聯(lián)得到的線性組合預(yù)測(cè)參數(shù)。

E=0.5×E1+0.2×E2+0.3×E3=0.5×7.86+0.2×2.41+0.3×5.66=6.11(萬元)

４.５ 反饋環(huán)節(jié)

3個(gè)月后，此文獻(xiàn)的反饋情況比設(shè)想得差，低于設(shè)想情況，γ1取0.95。

E(1)=E×γ1=6.11×0.95=5.80(萬元)

6個(gè)月后，此文獻(xiàn)的反饋情況與設(shè)想接近，γ2取1。

E(2)=E×γ2=6.11×1=6.11(萬元)

1年后，此文獻(xiàn)的反饋情況比設(shè)想得好，高于設(shè)想情況，γ3取1.12。

E(3)=E×γ2=6.11×1.12=6.84(萬元)

４.６ 非線性組合預(yù)測(cè)——加權(quán)調(diào)和平均組合預(yù)測(cè)模型E=0.14×E(1)+0.28×E(2)+0.58×E(3)=6.49(萬元)

５ 結(jié)語與展望

本文結(jié)合修正收益法、收益分成法和市場(chǎng)法，加入反饋環(huán)節(jié)，利用組合預(yù)測(cè)方法，提出了幾種評(píng)估方法相結(jié)合的數(shù)字圖書館中的著作權(quán)評(píng)估模型。其一是對(duì)不同方法的評(píng)估結(jié)果進(jìn)行線性組合預(yù)測(cè)（按關(guān)聯(lián)度大小確定權(quán)系數(shù)法）；其二是根據(jù)不同時(shí)刻反饋值，對(duì)評(píng)估結(jié)果進(jìn)行非線性組合預(yù)測(cè)（加權(quán)算數(shù)平均值組合預(yù)測(cè)和加權(quán)調(diào)和平均組合預(yù)測(cè)兩種模型），以減少單一方法或單一時(shí)刻對(duì)評(píng)估造成的局限性，使不同評(píng)估方法和不同時(shí)間的反饋值互相補(bǔ)充，從而使評(píng)估結(jié)果值更貼近實(shí)際。評(píng)估模型為數(shù)字圖書館著作權(quán)問題提出一個(gè)參考，可以作為對(duì)著作權(quán)人進(jìn)行合理補(bǔ)償?shù)囊罁?jù)，為解決數(shù)字圖書館著作權(quán)人合理利益和社會(huì)公眾利益的博弈提供現(xiàn)實(shí)基礎(chǔ)。

目前數(shù)字圖書館下著作權(quán)評(píng)估問題還是一個(gè)比較前沿的問題，相關(guān)的法律依據(jù)、基礎(chǔ)資料和數(shù)據(jù)還不是很充分。本文評(píng)估的前提是出于傳統(tǒng)的“讀者付費(fèi)”機(jī)制，與之相對(duì)的開放獲取(OA)則建立了另外一種付費(fèi)機(jī)制——“作者付費(fèi)”機(jī)制［１０］，即出版機(jī)構(gòu)向作者(而不是讀者)收取一定的出版費(fèi)，并通過網(wǎng)絡(luò)出版其作品，而讀者對(duì)這些資源的獲取則是完全免費(fèi)的。如果在評(píng)估中再引入這一概念，兩方面結(jié)合對(duì)數(shù)字圖書館中的著作權(quán)進(jìn)行評(píng)估，可能更符合讀者利益，有待進(jìn)一步研究。另外，在利用組合預(yù)測(cè)時(shí)，如果可以運(yùn)用人工智能的非線性方法，人為因素就會(huì)更少，也使結(jié)果更貼近實(shí)際。在反饋方面，參數(shù)的選取還有待完善，如果可以加入自學(xué)習(xí)環(huán)節(jié)，就可以將反饋“學(xué)”來的參數(shù)注入程序中。所以加入人工智能也是未來努力的方向。

參考文獻(xiàn)

［１］張文德．?dāng)?shù)字圖書館的知識(shí)產(chǎn)權(quán)評(píng)估方法研究［Ｊ］．圖書情報(bào)工作，2006，(5)：91-94．

［２］曾麗霞，張文德．?dāng)?shù)字圖書館環(huán)境下的著作權(quán)評(píng)估方法新探［Ｊ］．圖書情報(bào)工作，2007，51(3)：80-84．

［３］康云萍，張文德．利用收益分成法評(píng)估數(shù)字圖書館的著作權(quán)［Ｊ］．情報(bào)雜志，2007，(10)：22-24．

［４］邵俊崗，陳源麗．基于市場(chǎng)法的軟件價(jià)值類比估計(jì)評(píng)估模型研究［Ｊ］．佳木斯大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，(2)：210-213．

［５］知識(shí)產(chǎn)權(quán)評(píng)估企業(yè)名錄［ＥＢ／ＯＬ］．http:∥corp.net114.com/sou/%E8%AF%84%E4%BC%B0%20%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83.html．

［６］陳雁．組合預(yù)測(cè)方法研究及其軟件系統(tǒng)設(shè)計(jì)與開發(fā)［Ｄ］．哈爾濱：東北農(nóng)業(yè)大學(xué)，2007．

［７］毛開翼．關(guān)于組合預(yù)測(cè)中的權(quán)重確定及應(yīng)用［Ｄ］．成都：成都理工大學(xué)，2007．

［８］張疆涌．組合預(yù)測(cè)方法研究［Ｄ］．南京：東南大學(xué)，2008．

［９］Roger H.von Haefen and Daniel J.Phaneuf.Kuhn-Tucker Demand System Approaches to Non-Market Valuation［Ｊ］.The Economics of Non-Market Goods and Resources,2005,（6）：135-157.

［１０］王詠梅，張文德．開放獲取模式下“作者付費(fèi)”機(jī)制在中國運(yùn)作探析［Ｊ］．新世紀(jì)圖書館，2010，(6)：44-47，56．